共查询到17条相似文献,搜索用时 93 毫秒
1.
一种用于汽车发动机故障诊断的贝叶斯网络模型 总被引:1,自引:0,他引:1
在汽车发动机故障诊断领域,由于设备内部的复杂性和导致故障的不确定因素,使得解决不确定性问题成为目前发动机故障诊断的首要问题;文章提出了一种用于解决不确定性问题的贝叶斯网络模型,该模型的网络结构学习采用了基于簇的搜索算法;为了获得更高准确率的故障诊断结果,模型加入了对当前信息集的采用,进行结构和参数的在线学习,改进了网络结构,网络通过概率传播算法,推理出产生故障的原因节点;在实例中表明,该模型能准确有效地解决发动机故障诊断中存在的不确定性问题,并与专家系统故障诊断模型做出比较,验证了基于该算法的贝叶斯网络模型在信息不确定性条件下能够提高诊断的准确率。 相似文献
2.
3.
现代系统设备的日趋复杂化和自动化,对故障诊断技术提出了更高的要求;随着人工智能技术的发展,故障诊断技术向智能化方向发展,如何将人工智能技术应用到故障诊断中去,是当前研究的重点;为了实现对汽车发动机已发故障和潜在故障的快速高效诊断,根据发动机故障知识结构特性,将贝叶斯网络因果有向图的故障知识表示方法引入到专家系统中,并采用可在线监控和离线诊断的推理机制,在G2平台下实现了汽车发动机故障诊断专家系统,系统应用的效果表明了该方法的可行性. 相似文献
4.
电子系统大多结构复杂,各组成模块存在错综复杂、相互影响的关系,另外测点较少且测点数据常常是不完备的。针对此类情况,以某电源系统为研究对象,提出了基于贝叶斯网络的电子系统故障诊断方法。首先依据系统的结构获得其因果图,并对各测点信号进行离散化处理;其次建立用于故障诊断的贝叶斯网络模型,并且根据历史数据完成该网络的参数学习,最后利用获得的事实来实现故障的诊断。仿真结果验证了该方法的有效性,为电子系统的故障诊断提出了一种新的思路。 相似文献
5.
6.
7.
基于故障树的贝叶斯网络建造方法与故障诊断应用 总被引:7,自引:0,他引:7
文章首先指出应用贝叶斯网络模型进行设备故障诊断具有的优势,提出了由常用的故障树模型建造贝叶斯网络的方法。然后详细比较了故障树与贝叶斯网络在诊断推理和模型表达方面的特点,并以实例进行说明。 相似文献
8.
基于遗传算法的贝叶斯网络模型研究 总被引:1,自引:0,他引:1
目前贝叶斯网络缺乏支持结构建立,参数学习、知识推理的一致算法,使知识建立与应用过程无法联接.针对这一现状,通过设计适合于贝叶斯网络学习的遗传算法编码方式、具有调整策略的交叉与变异算子,能进行推理误差反馈的适应函数,实现样本支持下的结构确定、参数学习、推理检验、反馈修正的贝叶斯网络全过程建立.实验结果表明,新算法不仅同步优化网络结构与参数,且可以自适应推理误差的学习修正,有着更满意的知识推理正确率. 相似文献
9.
10.
11.
针对电厂中现役燃气轮机故障样本少,以往的故障诊断方法依赖于海量的带有故障标签的数据,无法在实际生产中取得预期的诊断效果的现象,本文将重点着眼于利用贝叶斯网络进行反事实推理,完成对燃气轮机故障原因的分析。本文首先介绍了贝叶斯网络的基本原理,其次将故障模式和影响分析及故障树技术用于贝叶斯网络的搭建,弥补了基于数据驱动的故障诊断方法缺少专业知识支撑的缺陷,最后通过实际案例分析,表明了这一方法用于燃气轮机的故障诊断时,可以根据燃气轮机在运行中出现的异常现象,分析出可能出现的故障,以及相应的故障原因,帮助运行及检修人员及时发现故障,及时排除故障。为实际生产中的燃气轮机的故障诊断技术提供了一种灵活,高效,可靠的方法。 相似文献
12.
13.
14.
以无线传感器网络(WSN )中应用通信可靠性(ACR)为背景,利用故障树模型中的事件元素与逻辑门元素,建立基于故障树的WSN可靠性结构。为降低WSN可靠度计算的复杂性,给出从WSN可靠性结构转换到二元决策图BDD结构的算法,利用BDD算法优化计算过程。以分层簇型网络中可用路径以及节点冗余下的应用通信可靠性问题为例,给出其可靠性结构,利用CUDD软件包给出用递归方法实现构建基于故障树的WSN可靠性结构的BDD算法,计算以上两种情况下的WSN可靠度。实验结果表明,该方法具有可行性。 相似文献
15.
16.
Fault diagnostics are increasingly important for ensuring vehicle safety and reliability. One of the issues in vehicle fault
diagnosis is the difficulty of successful interpretation of failure symptoms to correctly diagnose the real root cause. This
paper presents an innovative Bayesian Network based method for guiding off-line vehicle fault diagnosis. By using a vehicle
infotainment system as a case study, a number of Bayesian diagnostic models have been established for fault cases with single
and multiple symptoms. Particular considerations are given to the design of the Bayesian model structure, determination of
prior probabilities of root causes, and diagnostic procedure. In order to unburden the computation, an object oriented model
structure has been adopted to prevent the model from overly large. It is shown that the proposed method is capable of guiding
vehicle diagnostics in a probabilistic manner. Furthermore, the method features a multiple-symptoms-orientated troubleshooting
strategy, and is capable of diagnosing multiple symptoms optimally and simultaneously. 相似文献